新生児難聴の早期発見を高める：機械学習によるリスク層別化アプローチ
ハイライト
- 臨床パラメータを用いて、ハイリスク新生児における難聴リスクを予測する、機械学習ベースのリスク層別化ツールを開発した。
- XGBoostモデルは、85.2％の精度および曲線下面積（AUC）87.1％という優れた予測性能を示した。
- SHAP（SHapley Additive exPlanations）による解釈可能性解析では、NICU入院期間と家族歴が最も影響の大きいリスク因子として抽出された。
- 臨床医が早期同定と介入を行うためのリアルタイムリスク評価を支援する、Webベースの臨床意思決定支援アプリケーションを実装した。
研究背景
MedXY 登録ユーザー
無料ログインで続きを読む
MedXYアカウントでログインまたは登録すると、全文をお読みいただけます。
この記事は、制作工程の一部でAIを含む複数の編集ツールを使用して作成され、公開前に人間の編集者が内容を確認しています。